GPT-4o di OpenAI mostra il potenziale dell'IA

Lunedì 13 maggio 2024, OpenAI ha annunciato il lancio del suo nuovo modello di punta, GPT-4o, dove la «o» sta per «omni». GPT-4o è un modello di AI multimodale avanzato per interazioni in tempo reale tramite testo, audio e visione, che offre elaborazione più rapida, supporto multilingue e maggiore sicurezza.

Introduce nuove funzionalità di IA generativa. Basate sulle capacità conversazionali di ChatGPT, le funzionalità di GPT-4o rappresentano un notevole passo avanti nel modo in cui le persone percepiscono l'IA. Ora possiamo parlare con GPT-4o come se fosse una persona reale. Vediamo di cosa è capace GPT-4o!

Alla scoperta di GPT-4o#

Durante l'aggiornamento primaverile di OpenAI è stato annunciato che GPT-4o è intelligente quanto GPT-4, ma può elaborare i dati più velocemente e gestire meglio testo, visione e audio. A differenza delle versioni precedenti, che puntavano a rendere i modelli più intelligenti, questa versione è stata sviluppata tenendo conto dell'esigenza di rendere l'IA più facile da usare per il pubblico generale.

Fig. 1. Aggiornamento primaverile di OpenAI

La modalità vocale di ChatGPT, rilasciata alla fine dell’anno scorso, combinava tre modelli diversi per trascrivere gli input vocali, comprendere e generare risposte scritte e convertire il testo in parlato, così che l’utente potesse ascoltare la risposta. Questa modalità presentava problemi di latenza e non sembrava molto naturale. GPT-4o può elaborare nativamente testo, visione e audio in un unico passaggio, dando all’utente l’impressione di partecipare a una conversazione naturale.

Inoltre, a differenza della modalità vocale, ora puoi interrompere GPT-4o mentre parla e reagirà proprio come farebbe una persona. Si fermerà ad ascoltare e poi risponderà in tempo reale a ciò che hai detto. Può anche esprimere emozioni con la voce e comprendere il tuo tono.

Le interessanti funzionalità di GPT-4o#

La valutazione del modello GPT-4o mostra quanto sia avanzato. Uno dei risultati più interessanti è che GPT-4o migliora notevolmente il riconoscimento vocale rispetto a Whisper-v3 in tutte le lingue, soprattutto in quelle meno diffuse.

Le prestazioni di ASR audio (riconoscimento automatico del parlato) misurano la precisione con cui un modello trascrive il linguaggio parlato in testo. Le prestazioni di GPT-4o sono valutate con il Word Error Rate (WER), che indica la percentuale di parole trascritte in modo errato (un WER più basso corrisponde a una qualità migliore). Il grafico seguente mostra il WER inferiore di GPT-4o in diverse aree geografiche, dimostrando la sua efficacia nel migliorare il riconoscimento vocale nelle lingue con meno risorse.

Fig. 2. GPT-4o offre un riconoscimento vocale superiore in più lingue.

Ecco alcune altre funzionalità esclusive di GPT-4o:

• Più veloce: è due volte più veloce di GPT-4 Turbo. Può rispondere agli input audio in soli 232 millisecondi, un tempo simile a quello di risposta in una conversazione umana.
• Conveniente: la versione API di GPT-4o costa il 50% in meno rispetto a GPT-4 Turbo.
• Memoria: GPT-4o può mantenere la consapevolezza tra conversazioni diverse. Può ricordare di cosa stai parlando nelle varie chat.
• Multilingue: GPT-4o è stato addestrato per offrire velocità e qualità migliori in 50 lingue diverse.

Esempi di ciò che può fare GPT-4o#

Ora puoi avviare GPT-4o sul tuo telefono, attivare la fotocamera e chiedergli, proprio come faresti con un amico, di indovinare il tuo stato d’animo in base alla tua espressione facciale. GPT-4o può vederti attraverso la fotocamera e risponderti.

Fig. 3. GPT-4o interpreta lo stato d’animo di una persona tramite video.

Puoi persino usarlo per risolvere problemi di matematica mostrando a GPT-4o ciò che stai scrivendo tramite video. In alternativa, puoi condividere lo schermo e usarlo come tutor su Khan Academy: ti chiederà di indicare le diverse parti di un triangolo in geometria, come mostrato di seguito.

Fig. 4. GPT-4o fa da tutor su Khan Academy.

Oltre ad aiutare i bambini con la matematica, gli sviluppatori possono conversare con GPT-4o per eseguire il debug del codice. Questo è possibile grazie all'introduzione di ChatGPT come app desktop. Selezionando e copiando il codice con Ctrl+C mentre parli con l'app desktop vocale GPT-4o, il sistema potrà leggerlo. In alternativa, puoi usarlo per tradurre le conversazioni tra sviluppatori che parlano lingue diverse.

La gamma dei possibili utilizzi è ampia. Una delle demo più interessanti di OpenAI ha utilizzato due telefoni per mostrare GPT-4o mentre parlava con diverse istanze di sé stesso e cantava insieme a loro.

Fig. 5. AI che parla e canta con l’AI.

Applicazioni di GPT-4o#

Come mostra una demo, GPT-4o può rendere il mondo più accessibile alle persone con disabilità visive. Può aiutarle a interagire e a spostarsi in modo più sicuro e indipendente. Ad esempio, gli utenti possono attivare il video e mostrare a GPT-4o una visuale della strada. GPT-4o può quindi descrivere l’ambiente in tempo reale, ad esempio individuando ostacoli, leggendo i cartelli stradali o guidandoli verso un luogo specifico. Può persino aiutarli a chiamare un taxi avvisandoli quando ne sta arrivando uno.

Fig. 6. GPT-4o avvisa dell’arrivo di un taxi.

GPT-4o può essere utilizzato anche in diversi settori. Nel commercio al dettaglio, può migliorare il servizio clienti fornendo assistenza in tempo reale, rispondendo alle domande e aiutando i clienti a trovare prodotti sia online sia in negozio. Immagina di trovarti davanti a uno scaffale e di non riuscire a individuare il prodotto che cerchi: GPT-4o può aiutarti a trovarlo.

Nel settore sanitario, GPT-4o può supportare la diagnostica analizzando i dati dei pazienti, suggerendo possibili patologie in base ai sintomi e offrendo indicazioni sulle opzioni di trattamento. Può inoltre aiutare i professionisti sanitari riassumendo le cartelle cliniche, fornendo un accesso rapido alla letteratura medica e persino traducendo in tempo reale per comunicare con i pazienti che parlano lingue diverse. Questi sono solo un paio di esempi. Le applicazioni di GPT-4o semplificano la vita quotidiana offrendo assistenza personalizzata e sensibile al contesto e abbattendo le barriere all’informazione e alla comunicazione.

GPT-4o e la sicurezza dei modelli#

Come le versioni precedenti di GPT, che hanno avuto un impatto sulla vita di centinaia di milioni di persone, GPT-4o probabilmente interagirà con audio e video in tempo reale in tutto il mondo, rendendo la sicurezza un elemento cruciale di queste applicazioni. OpenAI ha prestato grande attenzione alla progettazione di GPT-4o, concentrandosi sulla mitigazione dei potenziali rischi.

Per garantire sicurezza e affidabilità, OpenAI ha adottato rigorose misure di sicurezza. Tra queste figurano il filtraggio dei dati di addestramento, il perfezionamento del comportamento del modello dopo l’addestramento e l’integrazione di nuovi sistemi di sicurezza per la gestione delle risposte vocali. Inoltre, GPT-4o è stato sottoposto a test approfonditi da parte di oltre 70 esperti esterni in ambiti come la psicologia sociale, i pregiudizi e l’equità e la disinformazione. I test esterni garantiscono che ogni rischio introdotto o amplificato dalle nuove funzionalità venga individuato e affrontato.

Per mantenere standard di sicurezza elevati, OpenAI distribuirà gradualmente le funzionalità di GPT-4o nelle prossime settimane. Un rilascio graduale consente a OpenAI di monitorare le prestazioni, affrontare eventuali problemi e raccogliere il feedback degli utenti. Un approccio prudente garantisce che GPT-4o offra funzionalità avanzate mantenendo i più elevati standard di sicurezza e uso etico.

Prova GPT-4o#

GPT-4o è disponibile gratuitamente. Per provare le funzionalità di conversazione in tempo reale descritte sopra, puoi scaricare l’app ChatGPT dal Google Play Store o dall’Apple App Store direttamente sul tuo telefono.

Dopo aver effettuato l’accesso, puoi selezionare GPT-4o dall’elenco visualizzato toccando i tre puntini nell’angolo in alto a destra dello schermo. Dopo aver aperto una chat abilitata per GPT-4o, toccando il segno più nell’angolo in basso a sinistra dello schermo vedrai diverse opzioni di input. Nell’angolo in basso a destra dello schermo troverai un’icona a forma di cuffie. Selezionandola, ti verrà chiesto se vuoi provare una versione di GPT-4o a mani libere. Dopo aver accettato, potrai provare GPT-4o, come mostrato di seguito.

Fig. 7. Prova GPT-4o nell’app mobile ChatGPT.

Se vuoi integrare le funzionalità avanzate di GPT-4o nei tuoi progetti, è disponibile per gli sviluppatori tramite un’API. L’API ti consente di integrare nelle tue applicazioni il potente riconoscimento vocale di GPT-4o, il supporto multilingue e le funzionalità di conversazione in tempo reale. Usando l’API puoi migliorare l’esperienza degli utenti, creare app più intelligenti e portare tecnologie di AI all’avanguardia in diversi settori.

GPT-4o: ancora non del tutto umano#

Sebbene GPT-4o sia molto più avanzato dei modelli di IA precedenti, è importante ricordare che ha anche dei limiti. OpenAI ha dichiarato che a volte può passare casualmente da una lingua all'altra durante una conversazione, per esempio dall'inglese al francese. È stato inoltre osservato che GPT-4o può tradurre in modo errato tra lingue diverse. Man mano che più persone proveranno il modello, capiremo in quali ambiti GPT-4o eccelle e dove deve ancora migliorare. Per attività di visione come il rilevamento di oggetti, i modelli OpenAI più recenti, come GPT-6.1 Sol e GPT-6 Astra, sono confrontati con altri modelli visione-linguaggio nella classifica VLM.

In sintesi#

GPT-4o di OpenAI apre nuove possibilità per l'IA grazie alle sue capacità avanzate di elaborazione di testo, visione e audio, offrendo interazioni naturali e simili a quelle umane. Si distingue per velocità, convenienza e supporto multilingue. GPT-4o è uno strumento versatile per l'istruzione, l'accessibilità e l'assistenza in tempo reale. Man mano che gli utenti esploreranno le capacità di GPT-4o, il loro feedback ne guiderà l'evoluzione. GPT-4o dimostra come l'IA stia diventando parte della nostra vita quotidiana.

Esplora il nostro repository GitHub e unisciti alla nostra community per approfondire l’AI. Visita le pagine delle nostre soluzioni per scoprire come l’AI sta trasformando settori come la produzione e l’agricoltura.